ATAC-seq的數(shù)據(jù)分析主要是檢測(cè)信號(hào)峰值,，就是peaks,，不同樣品的peaks的差異主要是兩個(gè)思路,，使用韋恩圖展現(xiàn)有無peaks的差異,，另外就是使用散點(diǎn)圖展現(xiàn)高低強(qiáng)弱的peaks差異。

現(xiàn)在是2021了,，有了很多成熟的軟件算法可以做peaks的差異分析,，不過偶爾憶苦思甜也是有必要的ATAC-seq經(jīng)典差異分析，讓我們一起看看距離2013年的ATAC-seq技術(shù)開發(fā)出來不到兩年的  2015的一個(gè)文章是如何做,。文章是：A novel ATAC-seq approach reveals lineage-specific reinforcement of the open chromatin landscape via cooperation between BAF and p63. Genome Biol 2015 Dec 18;16:284. PMID: 26683334

數(shù)據(jù)集在：https://www.ncbi.nlm./geo/query/acc.cgi?acc=GSE67382

可以看到里面的ATAC-seq的數(shù)據(jù)是4個(gè)：

可以看到很明顯的2個(gè)組,，每個(gè)組都是2個(gè)重復(fù)的樣品，而且根據(jù)peaks的信號(hào)值強(qiáng)度相關(guān)性散點(diǎn)圖可以看出來組內(nèi)一致性比較好：

其實(shí)現(xiàn)在有Irreproducibility Discovery Rate (IDR)指標(biāo),，用于評(píng)估重復(fù)樣本間peaks一致性,。IDR評(píng)估會(huì)同時(shí)考慮peaks間的overlap和富集倍數(shù)的一致性。通過IDR閾值（0.05）的占比越大,，說明重復(fù)樣本間peaks一致性越好,。

差異分析主居然還像模像樣的給出來了一個(gè)流程圖，簡(jiǎn)單的上下調(diào)的peaks數(shù)量,，還可以畫一個(gè)餅圖：

挑選具體的基因,，進(jìn)行IGV軟件載入bw文件的可視化，看ATAC-seq的信號(hào)差異：

另外一個(gè)不得不提的經(jīng)典圖表,，就是看信號(hào)強(qiáng)度的：

處理流程

首先看上游數(shù)據(jù)處理流程：

• ATAC-seq paired-end reads were trimmed for Illumina adapter sequences using a custom script
• mapped to hg19 using bowtie with parameters –S –X2000 –m1.
• Duplicate reads were discarded with samtools.
• Peaks were identified using macs2 with parameters callpeak –nomodel –shift -100 –extsize 200.
• Peak sets called in individual replicates were combined and individual peaks merged if overlapping within 300 bp to form a union peak set.

下游就是差異分析,；

• Differentially accessible peaks from this union set were identified with edgeR by counting all read ends overlapping peaks in each condition.
• edgeR was run with default settings, a fold-change threshold of 2, and FDR?<?0.01.

其實(shí)呢，現(xiàn)在的ATAC-seq 數(shù)據(jù)處理的更完善了,，見ATAC-seq項(xiàng)目的標(biāo)準(zhǔn)分析僅收費(fèi)1600,，差異分析也有專門的R包，比如 Diffbind,，有一個(gè)2020綜述《From reads to insight: a hitchhiker’s guide to ATAC-seq data analysis》值得看：

• MACS2 進(jìn)行 Peak calleing
• csaw 進(jìn)行差異 Peak 分析
• MEME suite 進(jìn)行 motif 檢測(cè)和富集
• ChIPseeker 進(jìn)行注釋和可視化
• HMMRATAC 進(jìn)行核小體檢測(cè)
• HINT-ATAC 進(jìn)行足跡分析

結(jié)合轉(zhuǎn)錄組測(cè)序

可以看到是3個(gè)分組,，共6個(gè)樣品：

兩次差異分析，各自挑選 (fold change?>?3 with depletion, FDR?<?0.01)的基因,，然后看交集：

對(duì) 236 genes controlled jointly by both BAF and p63 進(jìn)行GO數(shù)據(jù)庫的功能注釋,。

這個(gè)轉(zhuǎn)錄組數(shù)據(jù)分析比較容易復(fù)現(xiàn)，基本上看我六年前的表達(dá)芯片的公共數(shù)據(jù)庫挖掘系列推文即可；

• 解讀GEO數(shù)據(jù)存放規(guī)律及下載,，一文就夠
• 解讀SRA數(shù)據(jù)庫規(guī)律一文就夠
• 從GEO數(shù)據(jù)庫下載得到表達(dá)矩陣 一文就夠
• GSEA分析一文就夠（單機(jī)版+R語言版）
• 根據(jù)分組信息做差異分析- 這個(gè)一文不夠的
• 差異分析得到的結(jié)果注釋一文就夠